pytorch Dataloader Dataset构建自定义数据集，参考代码

好的，这是一个示例代码，用于构建自定义数据集，并且通过 PyTorch 的 DataLoader 进行加载：

import torch
from torch.utils.data import Dataset, DataLoader

class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data
        
    def __getitem__(self, idx):
        # 从数据中读取一个样本
        sample = self.data[idx]
        
        # 对样本进行一些预处理，例如将图像转换为张量
        # ...
        
        # 返回处理后的样本
        return processed_sample
    
    def __len__(self):
        # 返回数据集的长度
        return len(self.data)
    
# 构建数据集
data = [...] # 数据列表
custom_dataset = CustomDataset(data)

# 使用 DataLoader 加载数据
dataloader = DataLoader(custom_dataset, batch_size=32, shuffle=True)

在上面的代码中，我们首先定义了一个 CustomDataset 类，该类继承自 PyTorch 的 Dataset 类，并实现了其中的两个方法：`__getitem__` 和 `__len__`。`__getitem__` 方法用于从数据集中读取一个样本，并对其进行一些预处理，例如将图像转换为张量。`__len__` 方法则返回数据集的长度。

然后，我们创建了一个 CustomDataset 实例，并使用 DataLoader 加载了数据集。在 DataLoader 中，我们指定了批量大小和是否打乱数据的顺序。最后，我们可以使用 for 循环遍历 DataLoader，逐批地获取数据并进行训练。